Question

以下是我的例子：

import pandas as pd
df = pd.DataFrame({'col_1':[1,5,6,77,9],'col_2':[6,2,4,2,5]})
df.index = [8,9,10,11,12]

此子设置按行顺序排列：

df.col_1[2:5]

返回

10     6
11    77
12     9
Name: col_1, dtype: int64

虽然这个子集已经是索引而且不起作用：

df.col_1[2]

返回：

KeyError: 2

我发现它非常令人困惑，而且很奇怪它背后的原因是什么？

Answer 1

您的陈述含糊不清，因此最好明确定义您想要的内容。

df.col_1 [2：5]使用整数位置就像df.col_1.iloc[2:5]一样。

当df.col [2]使用索引标签位置工作时df.col_1.loc[2]，因此没有标记为2的索引，因此您得到了KeyError。

因此，最好定义是使用.iloc的整数位置还是使用.loc的索引标签位置。

请参阅Pandas Indexing docs。

Answer 2

我们假设这是最初的DataFrame：

df = pd.DataFrame(
    {
        'col_1':[1, 5, 6, 77, 9], 
        'col_2':[6, 2, 4, 2, 5]
        }, 
    index=list('abcde')
    )

df
Out: 
   col_1  col_2
a      1      6
b      5      2
c      6      4
d     77      2
e      9      5

索引由字符串组成，因此通常很明显您要执行的操作：

df['col_1']['b']您传递了一个字符串，因此您可能正在尝试按标签访问。它返回5.
df['col_1'][1]您传递了一个整数，因此您可能尝试按位置访问。它返回5.
与切片相同：df['col_1']['b':'d']使用标签，df['col_1'][1:4]使用位置。

当索引也是整数时，没有什么是显而易见的了。

df = pd.DataFrame(
    {
        'col_1':[1, 5, 6, 77, 9], 
        'col_2':[6, 2, 4, 2, 5]
        }, 
    index=[8, 9, 10, 11, 12]
    )

df
Out: 
    col_1  col_2
8       1      6
9       5      2
10      6      4
11     77      2
12      9      5

假设您输入df['col_1'][8]。您是想通过标签还是按位置访问？如果是切片怎么办？没人知道。在这一点上，熊猫根据其用途选择其中一个。它最终是一个系列，系列与阵列的区别在于它的标签，因此df['col_1'][8]的选择是标签。使用标签切片并不常见，因此大熊猫在这里很聪明，并且在传递切片时使用位置。它不一致吗？是。你应该避免吗？是。这是ix被弃用的主要原因。

显式优于隐式，因此当存在歧义时，请使用iloc或loc。如果您尝试按位置访问项目，loc将始终引发KeyError，如果您尝试按标签访问，iloc将始终引发KeyError。

熊猫系列按索引分设置

2 个答案: